eprints-dev: /home/dpavlin/mtoolkit/utf8-fix.pl [commit]

[eprints3-migration.git] / mtoolkit / utf8-fix.pl

diff --git a/mtoolkit/utf8-fix.pl b/mtoolkit/utf8-fix.pl
index 2fe5032..0ab25f5 100755 (executable)
--- a/mtoolkit/utf8-fix.pl
+++ b/mtoolkit/utf8-fix.pl
@@ -33,9 +33,17 @@ s/\xC3\x83\xC2\x83\xC3\xA2\xC2\x80\xC2\x99/V/gs && $stat->{'V fake'}++;
 s/\xC3\x83\xC2\x83\xC3\x85\xC2\xB8/ß/gs && $stat->{'ss'}++;
 
 s/$junk\xC3\x82\xC2\x8D/č/gs && $stat->{'cv'}++;
+s/\xC3\x84\xC2\x8D/č/gs && $stat->{'cv 84'}++;
+
 s/$junk\xC2\x80\xC2\xA1/ć/gs && $stat->{"c"}++;
+# #Buri\xC3\x84\xC2\x87.pdf
+s/\xC3\x84\xC2\x87/ć/gs && $stat->{'c C384C287'}++;
+
 s/$junk\xC3\x82\xC2\xA1/š/gs && $stat->{'s'}++;
+#Ma\xC3\x85\xC2\xA1a
+s/\xC3\x85\xC2\xA1/š/gs && $stat->{'s C385C2'}++;
 s/$junk\xC2\x80\xC4\xA1/š/gs && $stat->{'s C4'}++;
+
 s/$junk\xC3\x82\xC2\xBE/ž/gs && $stat->{'z'}++;
 
 s/$junk\xC2\x80\xC2\x98/đ/gs && $stat->{'d'}++;
@@ -45,7 +53,10 @@ s/$junk\xC2\x80\xC2\x92/Č/gs && $stat->{'Cv'}++;
 s/$junk\xC3\x85\xC2\x92/Č/gs && $stat->{'Cv C385'}++;
 s/$junk\xC2\x80\xC2\xA0/Ć/gs && $stat->{'C'}++;
 s/$junk\xC3\x82\xC2\xBD/Ž/gs && $stat->{'Z'}++;
+s/\xC3\x85\xC2\xBD/Ž/gs && $stat->{'Z'}++;
 s/$junk\xC3\x82\xC2\xA0/Š/gs && $stat->{'S'}++;
+s/$junk\xC3\x82\xC2\xA6/Š/gs && $stat->{'S C2A6'}++;
+s/\xC3\x85\xC2\xA0/Š/gs && $stat->{'S C385C2A0'}++;
 
 s/$junk\xC2\xAB/"/gs && $stat->{'" open'}++;
 s/$junk\xC2\xBB/"/gs && $stat->{'" close'}++;
@@ -53,6 +64,8 @@ s/$junk\xC2\xBB/"/gs && $stat->{'" close'}++;
 s/$junk\xC2\xBE/"/gs && $stat->{'"'}++;
 s/$junk\xC2\x93/"/gs && $stat->{'"'}++;
 
+s/$junk\xC3\x82\xC2\xB2/"/gs && $stat->{'" C2B2'}++;
+
 s/$junk\xC2\x84\xC2\xA2/'/gs && $stat->{"'"}++;
 s/$junk\xC3\x82\xC2\xB4/'/gs && $stat->{"' C2B4"}++;
 s/$junk\xC3\x8B\xC2\x9C/'/gs && $stat->{"' C29C"}++;
@@ -61,9 +74,12 @@ s/$junk\xC2\xAD/-/gs && $stat->{'-'}++;
 s/$junk\xC2\x80\xC2\x9C/-/gs && $stat->{'--'}++;
 s/$junk\xC2\x9D/-/gs && $stat->{'-- ?'}++;
 
+s/$junk\xC3\x82\xC2\xA2/- /gs && $stat->{'dot'}++;
+
+
 
        my $e = $_;
-       if ( $e =~ m/([\xC0-\xC4][\x80-\xff]{4,8})/s ) {
+       if ( $e =~ m/([\xC0-\xC4][\x80-\xff]{3,99})/s ) {
                warn "XXX ", dump($e), "\n$e\n";
        }
        print $e;